Price action met AI en algoritmes

Price action richt zich op het analyseren van de koersbeweging zelf. In plaats van uitsluitend te vertrouwen op technische indicatoren wordt gekeken naar wat de prijs daadwerkelijk doet: waar toppen en bodems ontstaan, waar koersen versnellen of vertragen en rond welke niveaus eerder duidelijke koersreacties plaatsvonden.

Traditioneel wordt price action vaak visueel beoordeeld door een trader die een koersgrafiek bekijkt. Veel onderdelen daarvan kunnen echter ook worden omgezet in gegevens en regels die door een computer kunnen worden verwerkt.

Algoritmes kunnen bijvoorbeeld candlesticks vergelijken, toppen en bodems herkennen, steun- en weerstandszones onderzoeken en koersuitbraken signaleren. Artificial intelligence kan worden ingezet om grotere hoeveelheden koersgegevens te analyseren en complexere patronen te onderzoeken.

Dat maakt price action interessant voor systematische en AI-gestuurde handelsmethoden.

Het betekent echter niet dat een algoritme toekomstige koersbewegingen met zekerheid kan voorspellen. Ook geautomatiseerde price-actionanalyse blijft gebaseerd op beschikbare marktgegevens en vooraf gekozen definities en modellen.

Wat is price action?

Price action betekent letterlijk prijsbeweging.

De verhandelde koers ontstaat uit transacties tussen kopers en verkopers. De opeenvolging van die transacties wordt zichtbaar in het koersverloop. Door dat verloop te bestuderen, proberen traders inzicht te krijgen in de structuur en richting van de markt.

Bij price action kan bijvoorbeeld worden gekeken naar:

• stijgende en dalende koersen;

• hogere en lagere toppen;

• hogere en lagere bodems;

• steun- en weerstandszones;

• consolidaties;

• uitbraken;

• candlestickformaties;

• veranderingen in volatiliteit.

Een afzonderlijke koersbeweging zegt meestal weinig. De betekenis ontstaat vooral door de context waarin die beweging plaatsvindt.

Een nieuwe top binnen een duidelijke stijgende trend kan bijvoorbeeld anders worden geïnterpreteerd dan dezelfde beweging na een langdurige daling.

Waarom is price action geschikt voor algoritmische analyse?

Voor een menselijke trader is price action vaak visueel.

Een trader ziet bijvoorbeeld dat een markt hogere bodems vormt, dat een koers meerdere keren rond hetzelfde niveau draait of dat een candlestick een opvallend lange wick heeft.

Een computer beoordeelt een grafiek niet op dezelfde manier.

Daarom moeten zulke begrippen worden vertaald naar meetbare regels.

Een algoritme kan bijvoorbeeld vastleggen:

• hoeveel procent een koers moet bewegen om als relevante top of bodem te tellen;

• hoe dicht koerspunten bij elkaar moeten liggen om als één zone te worden beschouwd;

• hoe groot een candle moet zijn ten opzichte van eerdere candles;

• wanneer een uitbraak voldoende sterk is;

• hoeveel handelsperioden nodig zijn om een patroon te herkennen.

Daardoor kan subjectieve grafiekinformatie worden omgezet in reproduceerbare gegevens.

Candlesticks als gegevensbron

Candlestickgrafieken bevatten veel informatie over het koersverloop binnen een bepaalde periode.

Iedere candle bevat gewoonlijk vier gegevens:

• openingskoers;

• hoogste koers;

• laagste koers;

• slotkoers.

Daaruit kunnen aanvullende kenmerken worden berekend, zoals de grootte van de body, de lengte van de bovenste en onderste wick en de totale koersrange.

Een algoritme kan deze waarden automatisch vergelijken met eerdere candles.

Een relatief lange bovenste wick laat bijvoorbeeld zien dat de koers tijdens de betreffende periode hoger heeft gestaan en vervolgens vanaf dat niveau is teruggevallen. Een lange onderste wick laat juist zien dat de koers lager heeft gestaan en daarna is hersteld.

De uitleg van CME Group over candlestickgrafieken laat zien hoe open, high, low en close samen de structuur van een candle vormen.

De vorm van één candle is echter nooit voldoende om met zekerheid te bepalen wat daarna gebeurt.

De positie van de candle binnen de bredere marktstructuur blijft belangrijk.

Toppen en bodems automatisch herkennen

Toppen en bodems vormen een belangrijk onderdeel van price action.

Een stijgende markt kan bijvoorbeeld hogere toppen en hogere bodems vormen. Een dalende markt laat juist vaak lagere toppen en lagere bodems zien.

Voor menselijke ogen is zo'n patroon vaak eenvoudig herkenbaar.

Voor een algoritme moet eerst worden bepaald wanneer een koerspunt daadwerkelijk als relevante top of bodem geldt.

Een systeem kan bijvoorbeeld kijken naar:

• het aantal perioden voor en na een koerspunt;

• de grootte van de koersbeweging;

• het verschil met eerdere toppen en bodems;

• volatiliteit;

• de afstand tussen opeenvolgende draaipunten.

Op die manier kan marktstructuur systematisch worden geanalyseerd.

Steun en weerstand meetbaar maken

Steun en weerstand worden bij price action vaak als gebieden op een koersgrafiek weergegeven.

Een steunzone is een prijsgebied waar de koers eerder steun vond of meerdere keren opwaarts reageerde. Een weerstandszone is een gebied waar de koers eerder moeite had verder te stijgen of meerdere keren neerwaarts reageerde.

Voor algoritmische analyse moeten deze zones worden gekwantificeerd.

Software kan bijvoorbeeld onderzoeken:

• hoe vaak de koers rond een bepaald niveau draaide;

• hoeveel tijd tussen de verschillende koersreacties zat;

• hoe groot de reactie vanaf een niveau was;

• hoeveel handelsvolume rond een gebied plaatsvond wanneer volume onderdeel van het model is;

• of een eerdere weerstand later als steun functioneerde.

Een algoritme kan daardoor meerdere historische koersniveaus tegelijk vergelijken.

Dat betekent niet dat iedere zone opnieuw zal werken. Steun en weerstand zijn geen vaste grenzen en kunnen altijd worden doorbroken.

Consolidaties en koersranges

Markten bewegen niet voortdurend duidelijk omhoog of omlaag.

Soms beweegt de koers langere tijd binnen een relatief beperkt gebied. Dit wordt vaak een consolidatie of trading range genoemd.

Een algoritme kan proberen zo'n gebied automatisch te herkennen door bijvoorbeeld te meten:

• hoe groot de koersrange is;

• hoeveel perioden de koers binnen het gebied blijft;

• hoe vaak de boven- en onderkant worden geraakt;

• hoe de volatiliteit zich ontwikkelt;

• of de koers uiteindelijk buiten de range sluit.

Dergelijke informatie kan worden gebruikt om veranderingen in marktgedrag te signaleren.

Uitbraken automatisch herkennen

Wanneer een koers boven weerstand of onder steun beweegt, kan sprake zijn van een breakout.

Een computer kan zo'n beweging gemakkelijk detecteren.

Maar de vraag wanneer een uitbraak betekenisvol is, is ingewikkelder.

Een handelsmodel kan bijvoorbeeld eisen dat:

• de koers een bepaalde afstand voorbij het niveau beweegt;

• de slotkoers buiten de zone ligt;

• de beweging sterker is dan de normale volatiliteit;

• meerdere perioden de uitbraak bevestigen.

Zonder dergelijke voorwaarden kan een systeem veel tijdelijke bewegingen als uitbraak classificeren.

Dat is relevant omdat markten regelmatig valse uitbraken, of false breakouts, laten zien: de koers beweegt kort buiten een belangrijk gebied en keert daarna weer terug.

Koerspatronen algoritmisch herkennen

Binnen price action worden verschillende koerspatronen gebruikt.

Voorbeelden zijn:

• dubbele toppen;

• dubbele bodems;

• hoofd-en-schouderspatronen;

• driehoeken;

• rechthoeken;

• vlaggen;

• trendkanalen.

Voor een menselijke analist zijn dit visuele structuren.

Een algoritme heeft exacte criteria nodig.

Bij een dubbele top moet bijvoorbeeld worden bepaald hoe dicht beide toppen bij elkaar moeten liggen, hoeveel tijd ertussen mag zitten en hoeveel de koers tussentijds moet dalen.

Kleine veranderingen in die definities kunnen ervoor zorgen dat een algoritme andere patronen herkent.

Daarom is automatische patroonherkenning sterk afhankelijk van de gekozen regels.

Wat kan AI toevoegen aan price action?

Een traditioneel algoritme controleert doorgaans of vooraf vastgelegde voorwaarden zijn vervuld.

Artificial intelligence kan worden ingezet om complexere relaties tussen koersgegevens te onderzoeken.

Een AI-model kan bijvoorbeeld tegelijkertijd kijken naar:

• candlestickkenmerken;

• toppen en bodems;

• koersranges;

• trendstructuur;

• volatiliteit;

• handelsvolume;

• eerdere koersreacties.

Machine learning kan daarnaast worden gebruikt om patronen in grote hoeveelheden historische gegevens te zoeken.

Daarmee kan een model verbanden ontdekken die met eenvoudige regels moeilijker zichtbaar zijn.

Maar juist daar ontstaat ook een risico.

Een model kan historische patronen vinden die vooral toevallig in de gebruikte gegevens voorkomen en in nieuwe marktomstandigheden geen betrouwbare betekenis hebben.

Price action en overfitting

Overfitting is een belangrijk aandachtspunt bij algoritmische handelsmodellen.

Wanneer steeds meer voorwaarden en parameters worden toegevoegd, kan een systeem steeds beter worden aangepast aan historische koersgegevens.

Een patroon kan dan achteraf zeer betrouwbaar lijken.

Maar hoe nauwkeuriger het model is aangepast aan één historische periode, hoe groter het risico dat het vooral kenmerken van het verleden heeft geleerd in plaats van een algemeen bruikbaar marktpatroon.

Daarom moet een model ook worden beoordeeld op gegevens die niet zijn gebruikt bij de ontwikkeling ervan.

Zelfs wanneer het daar goed functioneert, blijven toekomstige prestaties onzeker.

Van price action naar een handelssignaal

Price-actiongegevens kunnen onderdeel zijn van een grotere handelsstrategie.

Een systeem kan bijvoorbeeld voorwaarden combineren voor:

• trendrichting;

• toppen en bodems;

• steun en weerstand;

• koersuitbraken;

• volatiliteit;

• candlestickstructuur.

Wanneer voldoende voorwaarden worden vervuld, kan het algoritme een handelssignaal produceren.

Een strategie kan bijvoorbeeld long blijven zolang de marktstructuur binnen de gebruikte regels als stijgend wordt beoordeeld en short worden wanneer vooraf bepaalde voorwaarden voor een trendverandering ontstaan.

De exacte regels verschillen per tradingsysteem.

Het voordeel van algoritmische verwerking is vooral dat dezelfde definities iedere keer op dezelfde manier worden toegepast.

Price action analyseren op de AEX

Ook koersgegevens van de AEX kunnen met price-actiontechnieken worden onderzocht.

Een algoritme kan bijvoorbeeld iedere beursdag de koersstructuur vergelijken met eerdere handelsdagen.

Daarbij kunnen toppen, bodems, koersranges, volatiliteit en andere prijsgegevens worden verwerkt.

Dat hoeft niet iedere dag tot een nieuw handelssignaal te leiden.

Wanneer de marktstructuur binnen de gebruikte handelsmethode niet voldoende verandert, kan een bestaande richting worden aangehouden.

Pas wanneer aan bepaalde voorwaarden wordt voldaan, ontstaat een nieuw signaal.

Menselijke interpretatie versus algoritmes

Een menselijke trader kan naar een grafiek kijken en context meenemen die moeilijk in één programmeerregel is vast te leggen.

Een algoritme heeft andere sterke punten.

Het kan:

• duizenden koersperioden snel vergelijken;

• voortdurend dezelfde regels toepassen;

• meerdere markten of tijdsperioden tegelijkertijd analyseren;

• gegevens zonder vermoeidheid verwerken;

• historische patronen consequent volgens dezelfde definitie meten.

Daar staat tegenover dat een computer alleen kan werken met de gegevens en definities die aan het systeem beschikbaar zijn gesteld.

Wanneer die uitgangspunten verkeerd zijn, kan ook de analyse verkeerd uitpakken.

Is algoritmische price action objectiever?

Automatisering kan subjectiviteit verminderen, maar maakt een analyse niet volledig objectief.

De programmeur of ontwikkelaar bepaalt immers nog steeds:

• wat een relevante top is;

• wanneer een zone als steun geldt;

• welke koersbeweging een breakout vormt;

• welke periode wordt onderzocht;

• welke variabelen worden meegenomen.

De computer past deze regels daarna consequent toe.

Algoritmische analyse verplaatst een deel van de menselijke interpretatie dus van het moment van analyseren naar het moment waarop het handelsmodel wordt ontworpen.

Beperkingen van price-actionanalyse

Ook een zeer uitgebreid algoritmisch model kent beperkingen.

Koersgegevens vertellen wat op de markt is gebeurd, maar niet met zekerheid wat daarna zal gebeuren.

Price-actionsignalen kunnen mislukken door bijvoorbeeld:

• onverwacht economisch nieuws;

• geopolitieke gebeurtenissen;

• plotselinge veranderingen in volatiliteit;

• valse uitbraken;

• geringe liquiditeit;

• veranderende marktstructuren;

• verkeerde modelaannames;

• overfitting.

Daarom moet ook algoritmische price action worden gezien als een analysemethode en niet als een systeem dat toekomstige beurskoersen met zekerheid kan voorspellen.

Price action als onderdeel van algoritmische analyse

Price action biedt veel gegevens die geschikt zijn voor systematische verwerking.

Candlesticks, toppen en bodems, steun, weerstand, koersranges en uitbraken kunnen worden vertaald naar meetbare variabelen en handelsregels.

Algoritmes kunnen deze gegevens voortdurend verwerken en artificial intelligence kan helpen om complexere relaties in grote hoeveelheden marktinformatie te onderzoeken.

De belangrijkste toegevoegde waarde zit daarbij in consistentie en schaal: dezelfde prijsgegevens kunnen steeds opnieuw volgens dezelfde methode worden geanalyseerd.

Maar ook met AI blijft de fundamentele onzekerheid van financiële markten bestaan. Price action kan inzicht geven in marktstructuur en koersgedrag, maar biedt geen garantie voor de richting van de volgende koersbeweging.